Redes Neuronales

Redes Neuronales

3.3 Estructura

La neurona es la unidad fundamental del sistema nervioso y en particular del cerebro. Cada neurona es una simple unidad procesadora que recibe y combina señales desde y hacia otras neuronas. Si la combinación de entradas es suficientemente fuerte la salida de la neurona se activa.

La siguiente figura muestra las partes de una neurona:

En las Redes Neuronales Artificiales, ANN, la unidad análoga a la neurona biológica es el elemento procesador, PE (process element). Un elemento procesador tiene varias entradas y las combina, normalmente con una suma básica. La suma de las entradas es modificada por una función de transferencia y el valor de la salida de esta función de transferencia se pasa directamente a la salida del elemento procesador.

La salida del PE se puede conectar a las entradas de otras neuronas artificiales (PE) mediante conexiones ponderadas correspondientes a la eficacia de la sinapsis de las conexiones neuronales.

Una red neuronal consiste en un conjunto de unidades elementales PE conectadas de una forma concreta. El interés de las ANN no reside sólamente en el modelo del elemento PE sino en las formas en que se conectan estos elementos procesadores. Generalmente los elementos PE están organizados en grupos llamados niveles o capas. Una red típica consiste en una secuencia de capas con conexiones entre capas adyacentes consecutivas.

Existen dos capas con conexiones con el mundo exterior. Una capa de entrada, buffer de entrada, donde se presentan los datos a la red, y una capa buffer de salida que mantiene la respuesta de la red a una entrada. El resto de las capas reciben el nombre de capas ocultas.

Por lo tanto podemos señalar que una ANN es un sistema de computación distribuida caracterizada por:

- Un conjunto de unidades elementales, cada una de las cuales posee bajas capacidades de procesamiento.

- Una densa estructura interconectada usando enlaces ponderados.

- Parámetros libres que deben ser ajustados para satisfacer los requerimientos de desempeño.

- Un alto grado de paralelismo.

Un ejemplo de tipo de redes neuronales son las redes neuronales feedforward (FANN) corresponde a la clase de ANN más estudiada por el ámbito científico y la más utilizada en los diversos campos de aplicación. Las diferentes clases de ANN se distinguen entre sí por los siguientes elementos:

- Las neuronas o nodos que constituye los elementos básicos de procesamiento.

- La arquitectura de la red descrita por las conexiones ponderadas entre los nodos.

- El algoritmo de entrenamiento, usado para encontrar los parámetros de la red.

...